基于领域自适应的多源工业数据的变分填补模型

工业现场数据普遍存在缺失值问题,严重影响后续数据挖掘算法的应用,因此有必要在预处理时进行数据填补。现有的填补算法都假设训练与测试数据服从相同分布,无法适应新的工况。随着工业互联网的不断发展,云边协同框架将不同工厂、不同工况的数据汇聚在云端,提供了变工况场景下新的建模思路。基于此,提出了一种处理云边协同框架下多源数据的填补模型,保留细粒度个性化特征,利用领域自适应范式学习跨工厂、跨工况的粗粒度知识,应对边缘端变工况场景。使用某集团大数据云平台的多台磨煤机数据验证了所提算法的有效性,其在不同数据缺失率下与主流算法相比具有优异的性能。     

数据特征对工业控制模型建模的影响

研究了若干由数据特征引起的工业控制模型统计建模结果与理论知识不符的现象,为全面理解及合理判断建模统计分析结果提供了帮助。利用SAS等统计工具,模拟工业现场数据,生成了大量实验数据。利用数据挖掘的统计分析方法对实验数据进行了深入的分析。工业现场数据的数据特征具有不同的特性,这种特性是导致工业控制模型统计建模结果与理论知识不符的现象产生的主要原因。对工业过程生产数据进行预处理时,由于改变了数据的数据特征,造成的利用最小二乘法估计的模型参数有偏以及线性关系呈现非线性的假象。变量间复杂的内在关系会导致简单利用变量间的相关系数判断变量间的线性关系的分析结果与理论知识不符的现象产生。研究结果为宝钢精准选样模型及带钢性能动态控制模型的建模提供了理论参考。     

基于用户兴趣迁移的Web日志仿真生成算法

针对仿真生成算法采用静态分布模型生成Web日志,会造成与真实数据之间存在较大差异的问题,提出一种基于用户兴趣迁移的Web日志仿真生成（WLSG）算法。该算法首先对Web日志与时间的关系进行了建模;其次,模拟了用户在不同时间访问文件时用户的兴趣迁移;最后,也模拟了用户自适应访问当前时刻最感兴趣的文件。相对于现有的采用静态分布模型的仿真算法,所提算法能够提高自相似性指标约2.86%。实验结果表明,该算法通过用户的兴趣迁移来改变用户的访问序列,能够较好地模拟真实Web日志,有效地应用于Web日志的仿真生成。     

基于轻量化深度学习的指针式仪表读数方法

为了降低神经网络模型对工业现场边缘计算设备计算资源的过度依赖,提出了一种轻量级MobileNetV3-YOLOv5s模型的指针式仪表读数方法。以YOLOv5s网络模型为基础,使用MobileNetV3作为主干特征提取网络,完成模型的轻量化改进。随后,利用该网络模型进行仪表区域检测、分类和分割,在使用Sift算法定位仪表区域和仪表指针后,利用得到的仪表倾斜角度信息与仪表指针旋转角度信息实现仪表的倾斜矫正和数据读取。在树莓派上进行测试,实验结果表明,提出的轻量化仪表检测算法虽然准确率较YOLOv5s和SSD模型略有降低,但是其推理耗时和模型占用内存具有显著优势。且测试表明提出算法读数相对误差控制在1%以内。因此,该方法一定程度上可以为在低成本边缘计算设备上运行复杂大型神经网络模型进行工业现场指针式仪表数据读取提供技术支持。     

基于相关性分析的工业时序数据异常检测

多维时间序列上的异常检测,是时态数据分析的重要研究问题之一.近年来,工业互联网中传感器设备采集并积累了大量工业时间序列数据,这些数据具有模式多样、工况多变的特性,给异常检测方法的效率、效果和可靠性均提出更高要求.序列间相互影响、关联,其隐藏的相关性信息可以用于识别、解释异常问题.基于此,提出一种基于序列相关性分析的多维时间序列异常检测方法.首先对多维时间序列进行分段、标准化计算,得到相关性矩阵,提取量化的相关关系;然后建立了时序相关图模型,通过在时序相关图上的相关性强度划分时间序列团,进行时间序列团内、团间以及单维的异常检测.在真实的工业设备传感器数据集上进行了大量实验,实验结果验证了该方法在高维时序数据的异常检测任务上的有效性.通过对比实验,验证了该方法从性能上优于基于统计和基于机器学习模型的基准算法.该研究通过对高维时序数据相关性知识的挖掘,既节约了计算成本,又实现了对复杂模式的异常数据的精准识别.     

基于卷积长短期记忆网络的群体设备预警

为实现多种设备智能预警,提出了一种基于空时多维工况数据特征的卷积长短期记忆网络算法。首先,针对长周期数据增强滑动窗口采样,并分析其特征属性,从而预先降维;然后,针对群体设备预警的逻辑建立损失评价指标,并对数据标签进行平滑处理;最后,搭建合适结构的卷积长短期记忆网络的预警模型,并采用梯度下降以训练模型参数。基于实际工况的实验评估环节,将所提算法与多种常用算法的预测指标对比,结果表明所提算法具有更高的准确度。     

一种新型的面向信息化应用的数据元支撑元模型

在对数据元相关理论进行深入研究的基础上,并结合大型企业信息化中数据标准的实际,提出了数据元概念、基本数据元、应用数据元以及与之分类模式间关系的支撑数据元构建的核心元模型,并定义了数据元的生成算法。这一模型对于企业信息化中的元数据的分析与规范具有指导与借鉴意义。     

基于嵌入式系统的非稳态液质振动-压力噪声主动修正重量测量算法应用

为了在特定工业工程领域的容器设备中有效消除外部非线性随机噪声的影响,从而快速精确地检测非稳态目标液体实时重量参数。以高性能低成本STC15系列单片机为核心计算处理单元,采用24位高精度AD转换芯片对外部实时噪声数据进行采集并进行融合补偿,通过工业现场噪声参数进行数据修正和反馈标定并模拟外部非线性随机噪声进行实验。实验表明非稳态状态下,针对外部噪声干扰的复合传感方式进行液体参数测量的有效性、实时性和可执行性。通过模拟真实工况的实验过程和运行结果,为处于各种噪声干扰环境下的工业现场的液体参数实时测量的精确数据获取方法提供一定参考。     

基于生成对抗网络的健身榨汁杯设计研究

文章为生成对抗网络与工业设计结合探索创新解决思路，通过研究AI生成对抗网络衍生模型，以健身榨汁杯为设计实践，提出融合运用不同衍生模型的设计模式。运用文献调研法梳理生成对抗网络衍生模型特点，通过健身榨汁杯设计流程进行设计验证。设计验证部分，结合市场调研与用户调研的数据应用Stack GAN与Cycle GAN确定产品功能与外观设计，基于问卷调研与用户反馈结果应用Deep Exampler-based与Style GAN完成系列产品配色设计及理想模特生成。文章总结了工业设计中生成对抗网络衍生模型的多种应用模式，最终通过实例验证该算法的有效性、可行性，为工业设计实践提供参考。     

一种T-S 模型的在线辨识算法

提出一种能通过输入输出数据在线获得T-S模型的结构和参数的辨识算法。首先,对输入空间进行划分,并在线优化子空间的形状和个数;然后,通过RLS更新子模型参数,使各个子模型逼近当前工况的实际系统;当子空间生成或形状发生变化时,调整相应子模型参数和数据矩阵;最后,针对非线性动态系统和煤气炉数据进行仿真实验,验证了所提出算法的有效性。     

基于ARM嵌入式系统的数据融合监测系统设计

针对高危场所人工不方便现场监测、环境变化复杂、影响因素较多的问题,设计了一套基于ARM嵌入式控制台的多传感器网络节点的数据融合技术监测设备运行状况的系统。在高危场所组建监测节点传感器网络,融合多传感器网络数据,描述监测对象状态。在ARM嵌入式控制平台上通过MiniGui软件设计监测系统界面,开发监控系统软件以及研究数据融合算法完成监测系统设计。     

工业物联网拓扑发现协议的设计与实现

为识别工业物联网中的哑设备,提出一种基于不完全知识定理的拓扑发现协议。利用不完全知识定理定义哑设备判定规则,设计网络拓扑图生成算法,通过广度优先原则遍历整个网络,根据地址分配表的包含关系得到哑设备的个数和连接情况。测试结果表明,该协议的拓扑发现速度较快、哑设备识别率较高。     

Optimal control of mobile monitoring agents in immune-inspired wireless monitoring networks

This paper studies optimal control of mobile monitoring agents in artificial-immune-system-based (AIS-based) monitoring networks. In AIS-based structural health monitoring (SHM) networks, the active structural health monitoring is performed by a group of mobile monitoring agents equipped with damage pattern recognition algorithms. The mobile monitoring agents mimic immune cells in the natural immune system and patrol a structure to detect damage patterns using their receptors (feature vectors), damage pattern recognition algorithms, and the dynamic response data of the structure. The optimal control of mobile monitoring agents includes agent generation and distribution. The generation of mobile monitoring agents is optimized to minimize the response time for the mobile monitoring agents to diagnose structural damage in a sub-network and maximize the average affinity of monitoring agents′ receptors to the damaged sensor data feature vector. The objective functions for distributing mobile monitoring agents are to increase the detection probability and extend network life by balancing energy consumption of sensor nodes in the network. The presented optimization algorithms are developed using multi-objective genetic algorithms. The impact of the algorithm parameters on the performance of the algorithm is also investigated.     

基于元学习的小样本数据生成算法

小样本数据存在信息不充足、不完备等问题,缺乏对总体的代表性,导致数据驱动的相关算法精度下降.本文针对小样本问题,提出基于元学习的生成式对抗网络算法进行小样本数据的数据生成.该算法目标是在各种数据生成任务上训练,确定模型最优初始化参数,从而仅使用较少的训练样本解决新的数据生成任务.本文利用水冷磁悬浮机组数据进行数据生成,实验表明,本算法能够在样本不足的条件下确定最优初始化参数,降低了对数据集大小的要求.本文同时进行了真实数据与生成数据混合的故障分类实验,验证了生成数据具有较好的真实性,对故障诊断分析具有较大的帮助.     

基于TSEOPM的在轨航天器故障预报方法研究

针对在轨航天器非线性系统的故障预报,提出一种基于时间序列事件征兆模式挖掘的在轨航天器故障预报方法,该方法以在轨航天器遥测数据建立状态监测时间序列,根据事件特征函数利用层次聚类算法挖掘出故障事件征兆模式,然后利用故障事件征兆模式对航天器的状态监测时间序列数据进行分析,判断是否为故障征兆点,从而实现故障预报;实验结果表明,该方法能有效地预测在轨航天器状态监测时间序列数据中的故障事件。     

基于公共特有子空间提取的工业设备多模式运行过程故障检测方法

工业设备运行状态直接影响到最终产品质量,有必要对设备运行过程开展监控,因此着重对工业设备运行数据中存在的不同阶次信息以及多模式等复杂数据特性展开讨论.针对过程中存在的不同阶次信息问题,首先通过引入最大交互熵展开与偏最小二乘方法,将原始空间信息分解为高阶和低阶信息,并构建相应隐空间模型来提取高阶与低阶质量相关关系;其次,...     

Agent-based artificial immune system approach for adaptive damage detection in monitoring networks

This paper presents an agent-based artificial immune system approach for adaptive damage detection in distributed monitoring networks. The presented approach establishes a new monitoring paradigm by embodying desirable immune attributes, such as adaptation, immune pattern recognition, and self-organization, into monitoring networks. In the artificial immune system-based paradigm, a group of autonomous mobile monitoring agents mimic immune cells (such as B-cells) in the natural immune system, interact locally with monitoring environment, and respond to emerging problems through simulated immune responses. The presented immune-inspired monitoring paradigm has been applied to structural health monitoring. The “antibody” of a mobile monitoring agent is a pattern recognition algorithm tuned to a certain type of structural damage pattern. The mobile monitoring agent performs damage diagnosis based on structural dynamic response data. Mobile monitoring agents communicate with each other and collaborate with network components based on agent interaction protocols defined in agent standards, the Foundation for Intelligent Physical Agents standards. A mobile agent system embedded in sensor nodes supports the selective generation, migration, communication, and management of mobile monitoring agents automatically. The active structural health monitoring is achieved by distributing mobile monitoring agents to the sites where they are needed. The structural damage diagnosis using mobile monitoring agents and artificial immune pattern recognition method has been tested using a scaled steel bridge structure. The test result shows the feasibility of using this approach for real-time structural damage diagnosis.     

二值截面重建新算法及其神经网实现

本文提出一种二值截面重建的新算法.算法针对截面的二值特性用模式识别方法进行截面重建.计算机模拟结果表明所提出的算法有所需投影角少,检出微小缺陷能力强,在观测角度受限时仍有良好重建性能等优点.本文描述了算法的详细步骤和实现算法的神经网结构,并对网络稳定性作了分析,提出了解决稳定性问题的措施,并给出一组计算机模拟结果.     

Computer display of height fields

A simple set of equations is presented for simulating the appearance of a height field as viewed from above. An algorithm is given for transforming this overhead view into a perspective display. The algorithm is tested on several standard pattern models and digital map data.     

基于Hadoop的智能电网状态监测数据存储研究

智能电网需要收集海量设备状态监测数据,这对数据存储与查询提出了更高的要求。为处理这些海量数据,设计并实现了基于Hadoop技术的数据存储系统,包括Hadoop集群、存储客户端和查询客户端。通过基准测试、存储结果验证和查询性能分析,验证了该系统具有分布式海量存储及高效查询的优势,适合智能电网环境下设备状态监测数据的存储。